【數據分析】matplotlib——使用add_subplot和GridSpec自定義子圖

在一張畫布上定義多張子圖：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import gridspec

生成幾個隨機點：

random_cp = np.random.random_integers(1, 100, (100, 2))
random_nums = np.random.random_integers(1, 100, 100)
random_cp1 = np.random.random_integers(1, 100, (100, 2))
random_nums1 = np.random.random_integers(1, 100, 100)

1、使用add_subplot

通過add_subplot就可以實現子圖的划分：

先是通過plt.figure()創建畫布，之后再通過add_subplot()在畫布上創建不同的區域。

其中add_subplot()的參數，類似221就是將畫布分為2行2列的也就是2×2的區域，使用第1個區域。

fig1 = plt.figure()
 
ax1 = fig1.add_subplot(221)
ax2 = fig1.add_subplot(222)
 
ax3 = fig1.add_subplot(223)
ax4 = fig1.add_subplot(224)
 
ax1.plot(range(len(random_nums)), random_nums)
ax3.scatter(random_cp[:, 0], random_cp[:, 1])
ax4.plot(range(len(random_nums1)), random_nums1)
ax2.scatter(random_cp1[:, 0], random_cp1[:, 1])
 
plt.show()

2、使用GridSpec

先是通過gridspec.GridSpec()創建區域，參數5，5的意思就是每行五個，每列五個，最后就是一個5×5的畫布，相比於add_subplot()，使用網格布局的話可以更加靈活的控制占用多少空間。

gs = gridspec.GridSpec(5,5)
fig1 = plt.figure()
ax1 = fig1.add_subplot(gs[0:2, 0:2])
ax2 = fig1.add_subplot(gs[3:5, 0:2])
 
ax3 = fig1.add_subplot(gs[0:2, 3:5])
ax4 = fig1.add_subplot(gs[3:5, 3:5])
 
ax1.plot(range(len(random_nums)), random_nums)
ax3.scatter(random_cp[:, 0], random_cp[:, 1])
ax4.plot(range(len(random_nums1)), random_nums1)
ax2.scatter(random_cp1[:, 0], random_cp1[:, 1])
 
ax1.plot(range(len(random_nums)), random_nums)
ax3.scatter(random_cp[:, 0], random_cp[:, 1])
ax4.plot(range(len(random_nums1)), random_nums1)
ax2.scatter(random_cp1[:, 0], random_cp1[:, 1])
 
plt.show()

感興趣的掃描下方二維碼：備注：“人工智能”  哦